آشکار سازی فعالیت سیستم اعصاب خودکار با استفاده از روش تجزیه مؤلفه های مستقل

تغییرات نرخ ضربان قلب (HRV) شاخص بسیار خوبی برای آشکارسازی فعالیت سیستم اعصاب خودکار می باشد. در این تحقیق با استفاده از سیگنال فتوپلتیسموگراف ثبت شده در دو وضعیت عادی و استرس برای هر سوژه، سیگنال تغییرات نرخ ضربان قلب بدست آمده است. سیگنال تغییرات نرخ ضربان قلب بعنوان سیگنال قابل مشاهده و سیستم اعصاب سمپاتیک و پاراسمپاتیک بعنوان منابع پنهان در روش ICA، در نظر گرفته شده اند. یکی از سیگنالهای بازسازی شده (ICA1) توسط روش ICA دارای اجزاء فرکانس بالا و دیگری (ICA2) دارای اجزاء فرکانس پایین بوده که اولی آشکار کننده فعالیت سمپاتیک و دومی آشکار کننده فعالیت پاراسمپاتیک می باشد. پس از بدست آوردن چگالی طیف توان سیگنال های بازسازی شد جهت آزمایش صحت این روش دو ویژگی در حوزه فرکانس تعریف و از سیگنال های بازسازی شده استخراج شد و توسط آزمون T-TEST ارزیابی صورت گرفت. همچنین با استفاده از روش KNN و ترکیب های مختلف این دو ویژگی، طبقه بندی سیگنال های مربوطه به حالت استرس و عادی صورت گرفت. نتایج نشان می دهد ICA بخوبی می تواند تنها با استفاده از سیگنال تغییرات نرخ ضربان قلب فعالیت سیستم اعصاب خودکار را آشکار کند. از ویژگی های برجسته این تحقیق استفاده از سیگنال HRV به تنهایی در روش ICA می باشد.

Keywords:

سیستم اعصاب خودکار , تغییرات نرخ ضربان قلب , تجزیه مولفه های مستقل